[发明专利]一种基于活动影响力的语义轨迹查询方法

说明书

本发明提供一种基于活动影响力的语义轨迹查询方法，深入研究了语义轨迹数据的索引结构、查询处理算法以及查询优化技术；具体来说，本发明在语义轨迹数据中提出活动影响力的概念，并据此定义了一个基于活动影响力的语义轨迹查询；同时，为了实现该查询的高效处理，本发明设计了一个同时整合语义轨迹空间位置、活动关键词以及活动影响力多种信息的混合网格索引结构(Hybrid Grid Index，HGI)，并基于该索引设计并实现了一个高效的启发式搜索框架，该框架能够在语义轨迹数据集中找到符合用户查询关键词，且优先匹配出距离在用户指定阈值内的活动影响力top‑k的轨迹。

技术领域

本发明属于空间数据处理技术领域，尤其涉及一种基于活动影响力的语义轨迹查询方法。

背景技术

随着移动社交网络和基于位置服务应用的不断发展，形成了大量语义轨迹数据。语义轨迹不仅包含传统时空轨迹中带有的经纬度和时间戳信息，还附带描述用户行为活动的文本信息。对语义轨迹数据的查询研究产生了很多应用价值，例如：在社交网络中推荐具有相同兴趣或相似习惯的朋友、在广告营销中为商家提供合适的广告投放对象或选择合适的广告主题、在旅游应用上为游客提供个性化的旅游路线推荐等。

轨迹的高效查询依赖于有效的索引机制，IR-Tree常被用于索引语义轨迹数据。IR-Tree的本质就是在R树的基础上扩展倒排索引，在IR-Tree的每个结点上，都含有一个指向倒排文件的指针，该文件描述了结点表示的最小边界矩形内包含的所有关键词。与中间结点关联的倒排文件中的每个倒排列表记录着关键词出现的所有子结点；而与叶子结点关联的倒排文件中的倒排列表则记录着具体的轨迹点。IR树还存在若干变体，如DIR树、CIR树等。DIR树在构建过程中，同时考虑空间文本对象的空间信息和语义信息，使得在同一结点内的对象在语义属性上也尽可能相似。CIR树根据结点内所有对象的空间邻近性，将对象划分到不同的簇，并记录各个簇中关键词的分布情况。

在现有的专利“基于语义轨迹大数据的反向最近邻查询方法及装置”中，该专利在语义轨迹数据中设计了一种针对反向最近邻的查询方法，该方法并不能适用于本发明解决的查询问题。

为实现语义轨迹的快速查询处理，目前仍然存在诸多困难：(1)随着基于位置服务应用的不断发展，用户会提出更个性化和多样性的查询需求，传统的查询技术已无法满足日益复杂的查询请求。(2)IR-Tree等索引结构在面对海量定制化的查询时，由于没有充分利用语义轨迹中的各类信息进行剪枝，显得不够高效。(3)目前，针对传统轨迹的查询处理框架和优化机制不适用于语义轨迹查询，而存在的处理语义轨迹查询的算法框架和优化机制并不能完全适用于本发明提出的查询问题。

发明内容

为解决上述问题，本发明提供一种基于活动影响力的语义轨迹查询方法，能够优先搜索具有更大活动影响力的轨迹。

一种基于活动影响力的语义轨迹查询方法，包括以下步骤：

S1：获取语义轨迹数据集D的基本信息，其中，所述基本信息包括语义轨迹数据集D中每条语义轨迹T的轨迹编号、每条语义轨迹T上各个轨迹点p对应的关键词的活动影响力，且每个轨迹点至少对应一个关键词，各轨迹点对应的关键词不完全相同，同一个关键词在不同轨迹点处的活动影响力不完全相同；同时，关键词在任意一个轨迹点上的活动影响力为该关键词在该轨迹点上的出现次数；

S2：基于语义轨迹数据集D的基本信息构建混合网格索引HGI，其中，所述混合网格索引HGI由混合四叉树索引HQ-tree与混合倒排索引HIF组成；

S3：对于用户给定的查询需求Q＝(loc,acts,d_max)，基于混合网格索引HGI在语义轨迹数据集D中找出与查询需求Q最匹配的k条语义轨迹，其中，loc为用户设定的查询位置，acts为用户设定的关键词集，d_max为用户设定的预期旅程最大值，k至少为3。

进一步地，步骤S2中所述的混合四叉树索引HQ-tree的构建方法如下：